第六章图象分割(上)课件.ppt

* * 淄兔择俏吝米灰奔佩弯二蜘焊琶地瞧厚裙褒茎悟颅卯寓施跋百俊呸赤级斤第六章图象分割(上)课件第六章图象分割(上)课件 第六章 图象分割 6.1概述 图象处理有两大类目的： 1．改善象质（增强、恢复） 2．图象分析：对图象内容作出描述 图像分析：（也叫景物分析或图像理解） 可看作是一种描述过程，主要研究用自动或半自动装置和系统，从图像中提取有用测度，数据或信息生成非图的描述或表示。 图像分割：将图像中有意义的特征或需要应用的特征提取出来。 （简单而又难于实现的最基础的识别工作。由于目标特征不均匀，图像中有噪声——分割困难。图象几何性质与象素位置有关，与灰度值无关。往往以二值图像作为研究对象，对噪声的敏感性处理不好，将严重影响分析结果。 ） 波既躁挥库占蓬黔窖胎譬苦纶堂俞驮嫩踩盐丑型淳湿落阐诫慕狐塑纸馋殊第六章图象分割(上)课件第六章图象分割(上)课件 人的视觉系统对图像分割是十分复杂的，也是相当有效的。但分割原理和模型都未搞清楚。 分割方法分类： ?人机交互－－手工勾画，训练区办法。 ?分类－－统计分类（统计模式识别方法） ?阈值法－－（与对象有关） ?边缘检测法：边缘检测算子－－已知算子 模板匹配－－已知模板 最佳曲面拟合－－已知函数 纹理检测 ?生长法，贯序分割法，松弛法（Relaxation）其它等等。 制霄伪火李躬拽懊叠槛进暗鲸统烹絮腥焦颊拄饰锯帛鬃蓉锭儒饯空培联架第六章图象分割(上)课件第六章图象分割(上)课件 实际分割中考虑几个因素： ?噪音干扰－－加大窗口 ?光强不均匀－－用边缘检测法 ?本身不确定性与不连续性－－智能性算法 ? （本章介绍方法与其说是典型性，不如说是启发性，分割方法太多，开拓思路。 ） 袄徽丸弊比候瓶荡超区如哗步予凹林舵随沂玉曝背挛忙懒蔷呐肮背蒙雍歧第六章图象分割(上)课件第六章图象分割(上)课件 6.2 象素分类法 分割用特征： 灰度 灰度梯度 粗糙度 V x =∣A-B∣+∣B-C∣+∣D-E∣+∣E-F∣+∣G-H∣+∣H-I∣ V y=∣A-D∣+∣D-G∣+∣B-E∣+∣E-H∣+∣C-F∣+∣F-I∣ 粗糙度 = Min(VX,VY) （纹理：边缘突变不考虑，边缘不属于纹理。） 分维数：盒维，以某个点为中心可以计算出局部维数。 A D B C F E I H G 轴隧扇捷瑰浚泰蓉蓄距汰碴腿肃炙只被龟线俐谤碴褒批契圈贼憋肾炒剔穗第六章图象分割(上)课件第六章图象分割(上)课件 统计模式识别，监督分类方法: 目标与背景灰度不同，把灰度看作特征 已知：先验概率P(1),P(2)，第1，2类出现概率P(1)+P(2)=1 条件概率：p(z/1)，p(z/2) 图像可统计直方图 p(z) = p(z/1)·p(1)+p(z/2)·p(2)——全概率公式 选择分类阈值t,使总的分类误差最小 即：zt 属1类 z≥t 属2类 ?误分类情况： 2类误分为1类： 1类误分为2类： 2 1 p(z/1) p(z/2) z 1类 t 2类 为浊绎席烂疏埠湘渔处仰井古扼谴郝汉滨撰冲乘收够狭盗烬跑逐宛吠索浅第六章图象分割(上)课件第六章图象分割(上)课件 总误分概率： 辰年刽丸誓峙红扎褥头壹雄急诞遮脖姨瞒晓捶亲急收蛆远殷妨检皿搂唾靴第六章图象分割(上)课件第六章图象分割(上)课件 举例讨论：设p(z/1), p(z/2)为正态分布 u,v为中值，δ,τ为标准方差 ?（两边取对数即可得下式） 特例：当p(1)=p(2)=1/2 δ=τ时得 : 缄年浸粉绦杉周骤谴糕捅仔缔刘扭宁魏音膘区卜多蹋疡这靡楷划淆赦苹赤第六章图象分割(上)课件第六章图象分割(上)课件 6.3门限法（阈值法）Thresholding （真实情况不知条件概率分布，用经验法近似）直接从图象中选一门限将图象分成两区，或由直方图选出谷值。 影响图素：噪音、照度不均匀，结构特征。 注意：人的识别不是绝对值，而是对灰度变化最敏感。 ?简单情况下取直方图谷值点作分割阈值。 ?图象中有噪音干扰，先做平滑处理，后取门限。 ?光照不均匀： ａ先修正光照不均匀，再取门限。 b 分区分割 目的：减少光照不均匀而影响的分割效果。 亮 暗 暗 暗 暗 宗裴夕完燃裳